INTELIGENCIA ARTIFICIAL ta técnica”, alertó. Viruega coincidió y agregó que en muchos casos se prioriza la sofisticación técnica por sobre la resolución de problemas de negocio.“ Muchos proyectos no llegan a puerto porque se prioriza la sofisticación técnica sobre la resolución de un problema específico”, sostuvo. El otro gran desafío es la calidad de los datos. Como explicó Ferro,“ tener datos no es lo mismo que tener datos gobernados y accionables”. Sin acceso a información confiable y segura, la IA pierde efectividad. Tarallo lo sintetizó con claridad:“ La IA es un amplificador. Si le cargás malos datos, te devuelve un resultado malo, pero más rápido”. En ese marco, el riesgo del“ ruido sofisticado” – modelos que detectan patrones inexistentes – se volvió una preocupación concreta. El avance de la IA también abrió interrogantes sobre la estabilidad del sistema financiero. Si múltiples actores utilizaron modelos similares, alimentados por los mismos datos, existe el riesgo de reacciones simultáneas que amplifican movimientos de mercado.“ Si muchos participantes utilizan modelos alimentados por los mismos datos, el riesgo de reacciones en cadena es real”, aseguró. Viruega, por su parte, coincidió en que podía generarse“ comportamiento de manada”, lo que obliga a reforzar la prudencia. En ese escenario, la gobernanza aparece como un factor clave. Segmentación de permisos, monitoreo continuo y trazabilidad fueron algunos de los elementos necesarios para mitigar riesgos.“ El enfoque no debe ser‘ IA sí o no’, sino IA con controles”, resumió Ferro.
Estrategia, roles y lo que viene Otro factor determinante en el éxito
Sebastián Ferro( A3) y Joaquín Tarallo( Tarallo S. A.)
de la adopción es la estrategia interna de las empresas. Nasini observa que muchas implementaciones surgen de manera informal, impulsadas por empleados. Sin embargo, los casos que escalaron respondieron a decisiones de la dirección.“ Los casos que escalan son donde desde la dirección dicen: vamos a utilizar estas herramientas”, explicó. En esos casos, la IA se integró como parte de la estrategia, con objetivos concretos y recursos asignados. La automatización también reconfiguró los perfiles dentro de las áreas financieras. Algunos roles tradicionales tendieron a reconvertirse.“ Antes uno quería hacer un reporte ad hoc y había un analista que tenía que hacerlo. Ese tipo de roles pueden reconvertirse”, sostuvo Nasini. Sin embargo, la necesidad de profesionales no desapareció:“ Siempre va a haber alguien que interprete la problemática y sepa utilizar la IA como herramienta”. En términos de acceso, la IA mostró un potencial democratizador, aunque con matices. Tarallo señaló que quienes contaron con datos propios y experiencia mantuvieron ventajas competitivas.“ El que posee mayor cantidad de información propietaria y un track record sólido sigue teniendo una ventaja”, señaló. De cara al corto plazo, el consenso es que la tecnología tendería a masificarse.“ La tecnología se va a comoditizar rápidamente”, anticipó Ferro. En ese contexto, el diferencial competitivo no está en la herramienta en sí, sino en su uso.“ No va a ganar el que tenga el sistema más complejo, sino el que tenga la sensibilidad para entender qué necesitan los usuarios y la prudencia para aplicar la inteligencia artificial”, concluyó Viruega. Así, en un mercado donde la velocidad y la información resultaron determinantes, la IA se consolida como una herramienta clave. Pero el verdadero valor sigue dependiendo de cómo y para qué se la utiliza.
72